基于GRNN观测器的液压作动器系统自适应故障检测

• 作者: 吕琛 周博 王轩 田野 秦维力
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 液压作动器 广义回归神经网络 观测器 自适应故障检测
• 年，卷（期）: 2016,（2）
• 页码范围: 149-155
• 页数: 7页
• 分类号: TP277
• 字数: 4201字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2016.40.02.004

摘要

针对液压作动器系统观测器检测诊断技术较少的状况,该文提出一种基于广义回归神经网络( General regression neural network,GRNN)观测器的液压作动器系统自适应故障检测方法,GRNN神经网络的学习速度较快,能大幅提高训练效率。针对环境噪声和随机干扰等因素的影响,引入自适应阈值来降低检测虚警率。首先使用液压作动器系统正常运行时的数据训练神经网络,用训练好的网络对采集的数据进行故障检测,判断液压作动系统是否发生故障。液压作动器系统3种典型故障模式的仿真数据验证了该文方法的有效性。实验结果表明,该方法能够有效检测出液压作动器系统的故障状态。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕琛	北京航空航天大学可靠性与系统工程学院	12	128	5.0	11.0
5	王轩	北京航空航天大学可靠性与系统工程学院	4	29	3.0	4.0
6	周博	北京航空航天大学可靠性与系统工程学院	6	21	3.0	4.0
7	田野	北京航空航天大学可靠性与系统工程学院	19	35	4.0	4.0
8	秦维力	北京航空航天大学可靠性与系统工程学院	1	3	1.0	1.0